基于量子神经网络的指纹识别技术研究

论文摘要

量子神经网络（Quantum Neural Network）是一种崭新的技术理论，是人工神经网络与量子计算理论相结合而产生的，它能够充分利用量子计算的内在并行性、态叠加和态纠缠等特性，克服了传统人工神经网络的某些固有缺陷，比如收敛速度慢、易陷入局部极小值等，有望成为未来信息处理的重要手段。指纹因其终生不变性、唯一性以及采集方便等特点，使得指纹识别技术成为目前应用比较广泛的身份验证与识别技术之一，广泛应用于犯罪识别、网络安全、信息设备安全等众多领域，有着重要的理论意义和实用价值。但由于在指纹自动识别过程中，存在指纹图像的噪声和皮肤弹性等因素影响，且需要进行大量的指纹匹配处理，所以，识别率不高、运算速度很慢。基于多层激活函数的量子神经网络模型已经在语音识别、故障诊断等模式识别领域取得了许多成功的应用，证明了量子神经网络在实际应用中的有效性和高效性。通过研究，本文提出了一种新的量子神经网络模型，并将量子神经网络应用到指纹识别技术中，提出了一种基于量子神经网络的指纹识别新方法，实验结果表明，与基于灰度图像的指纹识别方法相比，将量子神经网络应用到指纹识别技术中更具有优越性，能够提高指纹的识别率。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 指纹识别技术研究的背景和意义
• 1.2 指纹识别技术的研究现状
• 1.3 论文的主要研究内容
• 第二章 指纹图像预处理
• 2.1 指纹图像灰度归一化
• 2.2 一种新的指纹图像合成分割
• 2.3 指纹图像的二值化
• 2.4 指纹图像增强
• 2.4.1 指纹图像方向图的计算
• 2.4.2 指纹图像的GABOR 滤波增强
• 2.4.3 利用种子填充算法再次滤波增强
• 2.5 指纹图像细化
• 2.5.1 引言
• 2.5.2 关于图像细化的有关概念
• 2.5.3 图像细化算法研究
• 2.6 细化后处理
• 2.6.1 毛刺的删除
• 2.6.2 短线的删除
• 2.7 本章小结
• 第三章 指纹特征提取
• 3.1 引言
• 3.2 指纹分类特征
• 3.2.1 方向图特征
• 3.3 识别特征提取
• 3.3.1 细节特征点提取
• 3.3.2 极坐标特征转换
• 3.4 本章小结
• 第四章 基于量子神经网络的指纹识别方法
• 4.1 量子神经网络模型研究
• 4.1.1 引言
• 4.1.2 量子神经网络模型
• 4.2 训练算法
• 4.2.1 调整量子神经网络权值的训练算法
• 4.2.2 量子间隔调整算法
• 4.3 量子神经网络用于模式识别的优越性
• 4.3.1 理论分析
• 4.3.2 实验说明
• 4.4 基于灰度图像的指纹识别
• 4.5 基于量子神经网络的指纹识别
• 4.5.1 简介
• 4.5.2 实验方法介绍
• 4.5.3 基于QNN 的指纹识别系统设计及工作流程
• 4.5.4 实验结果及分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 课题研究小结
• 5.2 进一步的研究方向
• 致谢
• 参考文献
• 攻读硕士学位期间完成的论文